台灣處於全球AI經濟的核心位置。從台積電的先進晶片製造技術，到島上密集的精密製造商、物流企業、醫院及科技新創公司網絡，台灣不僅是採用AI，更是促進AI成形的重要推手。
然而，隨著AI代理與機器人迅速從實驗室進入全球各地的辦公室、工廠及服務櫃台，當前最迫切的問題已不再是技術，而是人：工作將如何改變？人們是否已準備好迎接這些轉變？
麥肯錫全球研究院最新報告《Agents, Robots, and Us: Skill Partnerships in the Age of AI》指出，我們正步入本質上截然不同的就業時代。未來的勞動力並非人類與機器彼此競爭，而是建立在夥伴關係之上——由人類、AI代理以及機器人所組成。台灣是以出口為導向的經濟體，在追求製造業領先也面臨日益增加的數位服務需求，因此這場轉型人人有份。
轉型的規模相當龐大。從目前的技術來看，約57％的美國現行工作時數在技術上具備自動化的可能性。但並不代表一半的工作即將消失，而是預示了工作的基本構成要素，包括任務、工作流程與技能，正在從深層被重組。
關鍵在於，AI並非以單一工具的形式出現，而是2種形式。AI代理是自動化處理非實體工作的系統，例如撰寫文件、分析數據、協調行程或回應客戶查詢；機器人則執行各類體力活動，涵蓋倉儲運輸與檢查到清潔、配送及製造。這兩者相輔相成，將自動化從重複性例行作業推進至過去被視為人類專屬的領域，包括推理、語言與判斷。
這點之所以重要，是因為在先進經濟體中，約3分之2的工作時間屬於非體力活，而僅有約3分之1的工作需要體力勞動。大量知識型工作包括研究、寫作、報告及基礎分析，現已可由AI代理執行，而機器人也在實體領域穩步推進。順應此趨勢形成的是混合型經濟，人類在此環境下面對智慧型機器將扮演更多監督、引導及協作者的角色。
AI素養與軟實力成職場剛需
借鏡歷史，電氣化、工業機器人與雲端運算，雖然具備顛覆性潛力，卻都耗費數十年才能廣泛普及。以醫療產業為例，AI的精準影像判讀並未取代放射科醫師，而是強化了他們的工作能力，隨著判讀的準確度與速度提升，醫師能更專注複雜診斷與病患照護。這這種「機器負責例行工作、人類專注高價值判斷」的合作模式，很可能在各專業領域重演。
為理解工作如何重組，麥肯錫分析了近800種職業，並根據人類、AI代理與機器人可能的組合方式，歸類出7大類型，包括以人為主、以AI代理為主、和以機器人為主的工作，以及幾個混合了2種角色的類別。
你的職位在哪個象限？AI 與實體機器人的雙重夾擊
依據自動化潛力與工作性質，將未來勞動力劃分為7大原型。數據顯示，軟體正快速吞噬常規腦力勞動，實體機器人則全面接管體力活，高達30％的勞動力面臨「AI 主導」的轉型危機。
一端是護理、消防、心理諮商等以人為本的工作，其中真人的存在感、同理心與即時判斷力仍居核心地位。這些職位約占目前勞動力的3分之1。另一極端則是以AI代理與機器人為中心的職位，例如法律文件起草或機械操作，理論上此類工作的多數任務皆可實現自動化。這類極有可能自動化的工作合計約占40％。
在這兩端之間則存在多元的中間地帶：人類與智能體、機器人或兩者並肩協作的混合型角色。使用AI導師的教師、運用機器人工具輔助的建築工人，以及與自動化系統共同協作的物流人員，皆屬於此類範疇。約3分之1的勞工已身處這類混合環境，且比率預計將持續上升。
這樣的思考框架能幫助組織預想變革。即使在高度自動化的職位中，人類也不會消失，而是轉型成為最終需肩負責任的決策者。若工作任務改變，技能也隨之轉變。麥肯錫分析美國超過1,100萬個職缺公告，辨識出約6,800種當前市場需要的技能。幾乎所有職業都將面臨技能結構的變化，其中約3分之1的職業，超過10％的技能需求將在2030年前出現重大顛覆。
然而，令人安心的是，現今超過70％的既有技能並不會被完全淘汰，人們只需轉換運用方式，例如：寫作轉化為下提示與彙整；研究轉為構建問題框架；分析變成驗證與做策略性判斷。
同時，技術演進的速度正不斷加快。自生成式AI興起以來，短短2年內職缺公告中便新增近600種技能，約占過去10年新增技能總數的3分之1。許多直接與AI或其支援基礎設施相關。
在這些技能中，成長最快的是AI素養：即在日常工作中運用與管理AI工具的能力。2023年至2025年間，市場對AI素養的需求激增近7倍，使其成為有紀錄以來成長最迅速的技能類別。目前，美國約有700萬至800萬名勞工所從事的職務中，至少有5％的職缺要求具備AI技能。
懂AI應用，比會寫程式更夯
2023至2025年間，涵蓋任何AI相關能力的職缺需求總數成長了3.5倍，達到750萬人。這波成長主要由AI素養帶動，需求量從100萬人增加至700萬人，顯示在工作流程中應用AI，已成為廣泛的跨領域職場需求。
AI素養不同於深度技術專業，其包含懂得如何將AI整合至工作流程、監督人機協作團隊，以及根據演算法輸出結果做出判斷的能力。建構與治理模型等技術性AI技能亦持續成長，但速度較慢，且主要集中於STEM領域。
目前，約4分之3的AI技能需求集中在運算、管理與商業職位，但其應用正逐步擴散至教育、醫療、工程與第一線營運作業。這顯示AI正從專業工具轉變為職場通用能力，如同過去的電子試算表或電子郵件。
這項趨勢對台灣來說格外關鍵。台灣經濟結合了先進製造業與不斷成長的服務業，意味AI素養的重要性不限於軟體工程師，也影響工廠主管、供應鏈規畫人員、醫院管理人員與零售經理。隨著台中與高雄的智慧工廠持續擴展，以及台北數位健康計畫的推進，能否有效協調人類、代理與機器人，將成為專業成效的關鍵。
報告中最具希望的發現是技能流動性。許多職業所需的能力高度重疊，為勞工提供了不必從零開始的轉職路徑，也讓企業能從相鄰領域擴大徵才來源。
然而，最大的生產力提升並非來自單一任務的自動化，而是整體流程的重新想像。
在未來情境中，將由AI無人機檢測太陽能板故障，自主漫遊車負責表面清潔與簡易維修，AI代理持續優化能源產出並預測維護需求；人類技師則將監督系統、處理複雜維修，透過示範訓練機器人確保安全合規。類似模式已在零售、物流業出現，例如AI代理管理庫存並推薦產品，機器人搬運重物，人類專注於客戶關係、設計決策與解決問題。數位與實體勞動力的界線消失，形成一套整合體系。
領導者決定AI時代的價值分配
這正是麥肯錫所謂的「技能夥伴關係」：機器提供規模與速度，人類提供創意、同理心與當責。這場轉型的成敗，很大程度取決於領導者，他們必須親自掌握AI並重塑流程，而非單純將任務自動化，並積極投資員工的軟實力，同時建立安全透明的信任機制。
技能再造尤其困難。許多企業擔心員工學會新技能後會離職，而不敢大幅投資員工培訓；但若未及早讓員工做好準備，整個組織可能落於人後。制度面亦面臨壓力，教育體系與成人學習制度目前尚未能趕上科技演進的速度。
到2030年，若組織能圍繞人機協作重新設計工作，AI代理與機器人每年可為美國單一國家創造出約2.9兆美元（約新台幣91.1兆元）的經濟價值。
這對台灣而言關係重大，台灣已是AI革命的硬體基石，下一個挑戰在於確保勞動力能發展茁壯。從培養管理機器人系統的技師技職教育，到提升企業領導者AI素養的高階培訓，關鍵是讓人具備與之共進的適應力。
台灣持續塑造全球數位基礎建設，國內也必須同步打造可與智慧機器協作的勞動力。未來的工作不只寫在程式碼中，也寫在教室、工廠、醫院與董事會裡，在人類決定科技要如何服務社會的每個地方。
責任編輯：陳祈安
